做了一个 Jev AI Playground，尝试让 AI 在不确定时别急着“猜”

最近在研究一个我觉得挺有意思的问题：

现在很多 LLM 应用遇到信息不完整、存在歧义的时候，往往还是会直接“猜一个答案”。

但真实业务里，很多时候我们并不希望 AI 猜。

比如：

“王老师说下周四 8:00 到单位，具体讨论时间看你安排。”

这里其实存在很多不确定性：

• 8:00 是见面时间，还是她到单位的时间？


• 应该直接创建 8:00 的日程吗？


• 还是应该先追问确认？

所以我最近做了一个小项目：Jev AI Playground。

目前主要想实验三种 primitive：

• Live Choice：让 AI 在几个候选项之间做结构化选择


• Noul：处理信息不足、歧义和需要进一步确认的情况


• Score：对候选结果进行评分

我的想法不是再做一个 ChatGPT 套壳，而是尝试把 LLM 的一些“不确定决策”从自由生成里拆出来，变成更容易控制和验证的流程。

现在做了一个可以直接体验的 Playground：

Jev AI Playground：
https://tryjev.ai/

目前还是比较早期的版本，主要想验证：

1. 这三种 primitive 是否真的容易理解；


2. Playground 能不能让开发者快速理解 Jev 在解决什么问题；


3. 哪些真实场景最适合这种方式。

如果你平时也在做 Agent / AI Workflow / LLM 应用，很希望听听大家的意见。

尤其想知道：

你们实际开发 AI 应用的时候，有没有遇到过“模型不应该猜，而应该停下来判断 / 追问”的场景？

欢迎拍砖。